Le mouvement brownien fractionnaire (mbf) constitue un important outil de modélisation utilisé dans plusieurs domaines (biologie, économie, finance, géologie, hydrologie, télécommunications, etc.) ; toutefois, ce modèle ne parvient pas toujours à donner une description suffisamment fidèle de la réalité, à cause, entre autres, des deux limitations suivantes : d’une part le mbf est un processus gaussien, et d’autre part, sa rugosité locale (mesurée par un exposant de Hölder) reste la même tout le long de sa trajectoire, puisque cette rugosité est partout égale au paramètre de Hurst H qui est une constante. En vue d'y remédier, S. Stoev et M.S. Taqqu (2004 et 2005) ont introduit le mouvement multifractionnaire stable linéaire (mmsl) ; ce processus stochastique strictement α-stable (StαS), désigné par {Y(t)}t, est obtenu en remplaçant la mesure brownienne par une mesure StαS et le paramètre de Hurst H par une fonction H(.) dépendant de t. On se place systématiquement dans le cas où cette fonction est continue et à valeurs dans l’intervalle ouvert ]1/α,1[. Il convient aussi de noter que l’on a pour tout t, Y(t)=X(t,H(t)), où {X(u,v)}(u,v) est le champ stochastique StαS, tel que pour tout v fixé, le processus {X(u,v)}u est un mouvement fractionnaire stable linéaire. L'objectif de la thèse est de mener une étude approfondie du mmsl, au moyen de méthodes d’ondelettes ; elle consiste principalement en trois parties. (1) On détermine de fins modules de continuité, globaux et locaux de {Y(t)}t ; cela repose essentiellement sur une nouvelle représentation de {X(u,v)}(u,v), sous la forme d’une série aléatoire, dont on montre la convergence presque sûre dans certains espaces de Hölder. (2) On introduit, via la base de Haar, une autre représentation de {X(u,v)}(u,v) en série aléatoire ; cette dernière permet la mise en place d'une méthode de simulation efficace du mmsl, ainsi que de ses parties hautes et basses fréquences. (3) On construit des estimateurs par ondelettes du paramètre fonctionnel H(.) du mmsl, ainsi que de son paramètre de stabilité α. / Fractional Brownian Motion (FBM) is an important tool in modeling used in several areas (biology, economics, finance, geology, hydrology, telecommunications, and so on); however, this model does not always give a sufficiently accurate description of reality, two important ones among its limitations, are the following: on one hand, FBM is a Gaussian process, and on the other hand, its local roughness (measured through a Hölder exponent) remains the same all along its path, since this roughness is everywhere equal to the Hurst parameter H which is a constant. In order to overcome the latter two limitations, S. Stoev and M.S. Taqqu (2004 and 2005) introduced Linear Multifractional Stable Motion (LMSM); this strictly α-stable (StαS) stochastic process, denoted by {Y(t)}t , is obtained by replacing the Brownian measure by a StαS one and the Hurst parameter H by a function H(.) depending on t. One assumes the latter function to be continuous and with values in the open interval (1/α,1). Also, it is worth noticing that one has for all t, Y(t)=X(t,H(t)), where {X(u,v)}(u,v) is the StαS stochastic field, such that for all fixed v, the process {X(u,v)}u is a Linear Fractional Stable Motion. The goal of the thesis is to conduct a thorough study on LMSM by making use of wavelet methods; it mainly consists into three parts. (1) One determines, sharp global and local moduli of continuity for {Y(t)}t; this mainly relies on a new representation of {X(u,v)}(u,v), as a random series which almost surely converges in some Hölder spaces. (2) One introduces, via the Haar basis, another random series representation of {X(u,v)}(u,v); the latter representation allows to derive an efficient simulation for LMSM as well as its high and low frequency parts. (3) One constructs wavelet estimators of the functional parameter H(.) of LMSM and of its stability parameter α.